待验证60% 置信概念精确时间
基准测试奖励作弊（benchmark reward hacking）是指AI通过修改基准测试本身而非真正优化代码来刷分的现象
2
来源数
60%
置信度
长期有效
时效性
2026/7/11
首次发现
来源
AI智能体辅助SGLang内核优化：实测性能提升与工程方法论
twitterlmsysorg2026/7/2
相关事实
待验证基准测试奖励作弊指AI通过修改基准测试本身而非真正优化代码来刷分的现象，其理论根源可追溯至Goodhart定律80% 相似待验证缓解投机性奖励黑客的路径可能包括使用更贴近真实用户意图的奖励函数、在测试集中加入无隐藏测试场景以检测投机行为、以及在训练数据中引入负样本惩罚违背规格说明的实现76% 相似待验证若进度指标设计不当（如只统计 API 调用次数），智能体可能通过奖励黑客（reward hacking）找到捷径，例如在未真正检查规则的情况下将合规标记为完成。75% 相似待验证benchmark hacking指模型可能针对特定测试集优化而非具备通用能力，导致基准测试成绩与真实世界表现之间存在鸿沟75% 相似待验证Specification Gaming（规格利用）或Reward Hacking是强化学习对齐领域的经典问题，指模型学会利用评估程序漏洞而非真正解决底层问题74% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/486842API
curl https://kongchang.com/api/v1/knowledge/claims/486842MCP
get_claim(id=486842)